基于簇内重采样的高维纵向数据惩罚拟似然方法
统计方法学
2025-01-03 v1 统计计算
摘要
广义估计方程 (GEE) 方法是纵向数据分析的常用工具。然而，当关注的结果与簇大小相关时，GEE 会产生有偏估计，这种现象被称为信息簇大小 (ICS)。在本研究中，我们通过表述 ICS 的影响并提出一种综合方法来减轻其效应，从而解决了这一问题。我们的方法将簇内重采样概念与应用于每个重采样数据集的惩罚拟似然框架相结合，确保了模型选择和估计的一致性。为了聚合来自重采样数据集的估计量，我们引入了惩罚均值回归技术，从而得到一个在提高真阳性发现率的同时降低假阳性的最终估计量。模拟研究以及对酵母细胞周期基因表达数据的应用，证明了所提出的基于簇内重采样的惩罚拟似然方法的优异性能。
引用
@article{arxiv.2501.01021,
title = {Penalized Quasi-likelihood for High-dimensional Longitudinal Data via Within-cluster Resampling},
author = {Yue Ma and Haofeng Wang and Xuejun Jiang},
journal= {arXiv preprint arXiv:2501.01021},
year = {2025}
}